当前位置:首页 > 文章列表 > 科技周边 > 业界新闻 > 三星计划在 2027 年将 BSPDN 背部供电技术引入 1.4nm 工艺

三星计划在 2027 年将 BSPDN 背部供电技术引入 1.4nm 工艺

来源:IT之家 2023-08-19 10:51:29 0浏览 收藏

在科技周边实战开发的过程中,我们经常会遇到一些这样那样的问题,然后要卡好半天,等问题解决了才发现原来一些细节知识点还是没有掌握好。今天golang学习网就整理分享《三星计划在 2027 年将 BSPDN 背部供电技术引入 1.4nm 工艺》,聊聊,希望可以帮助到正在努力赚钱的你。

据ETNews报道,三星电子的代工部门首席技术官Jung Ki-tae Jung在最近的论坛上宣布,他们计划在2027年将BSPDN技术应用于1.4纳米工艺

三星电子首次公开了其背部供电(BSPDN)技术的开发进程,该技术是一项应用于先进半导体的创新技术,旨在充分发掘晶圆背面空间的潜力,但目前尚未在全球范围内实施

尽管半导体行业不再使用栅极长度和金属半节距来命名技术节点,但目前的工艺技术数字越小越先进这一事实毋庸置疑

随着半导体工艺微缩路线的进展,集成电路内部的电路与电路之间的距离越来越小,导致彼此之间产生干扰。然而,通过BSPDN技术,我们可以利用晶圆背面构建供电线路,从而有效地分隔电路和电源空间,克服了这一限制

三星计划在 2027 年将 BSPDN 背部供电技术引入 1.4nm 工艺
图源 Pexels

除了三星电子,台积电和英特尔等公司也在积极寻求技术突破,同时日本东京电子(TEL)和奥地利 EV Group(EVG)目前提供了BSPDN实施设备

英特尔的最新技术名为 PowerVia,旨在降低功耗、提升效率和性能。预计在2024年上半年,英特尔的首个采用 PowerVia 技术和 RibbonFET 全环绕栅极晶体管的节点 Intel 20A 将准备就绪,并应用于未来量产的 Arrow Lake 平台。目前,该技术正在晶圆厂进行首次步进

台积电还计划在 2nm 以下工艺中采用类似技术,并计划在2026年之前实现目标

根据市场需求,三星电子的BSPDN技术目标可能会推迟到2027年应用于1.4nm工艺

根据三星电子相关人士透露,半导体采用背面供电技术的量产时间可能会根据客户的日程安排而做出调整。三星电子的目标是在2025年之前量产2nm工艺,早于1.4nm工艺。目前,三星正在进行客户需求调查,以确定背面供电技术的应用情况

阅读相关资料:

英特尔推出了最新的PowerVia背面供电技术,该技术能够降低功耗、提升效率和性能

三星将BSPDN技术应用于2nm芯片,使性能提升了44%,效率提高了30%

本站文章包含对外跳转链接,以便传递更多信息,节省甄选时间,但结果仅供参考

今天带大家了解了的相关知识,希望对你有所帮助;关于科技周边的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~

版本声明
本文转载于:IT之家 如有侵犯,请联系study_golang@163.com删除
吉利与百度合作推动高端智能汽车量产,发布“极越01”吉利与百度合作推动高端智能汽车量产,发布“极越01”
上一篇
吉利与百度合作推动高端智能汽车量产,发布“极越01”
虎牙公布2023年第二季度财报:总收入达到18.2亿元,移动端月活跃用户达到8290万
下一篇
虎牙公布2023年第二季度财报:总收入达到18.2亿元,移动端月活跃用户达到8290万
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    490次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    547次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    572次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    526次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    339次使用